Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Hallo
Ich versuche, eine einfache Zwei-Wege-Analyse eines Experiments durchzuführen. Jeder Faktor hat 3 Ebenen mit jeweils einer Wiederholung. Beide Variablen sind stetig. Wenn ich die Analyse durchführe und mir die Ausgabe- und Parameterschätzungen ansehe, sehe ich Folgendes:
Abfangen
Faktor 1
Faktor 2
(Faktor 1 – x) * (Faktor 2 – y), wobei x und y ein gemittelter/willkürlicher Wert zu sein scheinen
Kann jemand erklären, wie ich (Faktor 1 - x) * (Faktor 2 - y) in der Regressionsgleichung verwenden würde?
Außerdem: Wie lässt sich am besten bestimmen, welche Ebenen der verschiedenen Faktoren am bedeutsamsten sind?
Danke
Betreff: Brauche Hilfe beim Verständnis der InteraktionsvariablenAh ja. Ich glaube, Sie haben diese Frage auch in einem anderen Thread gestellt. Die Zentrierung erfolgt, um die durch Skalenunterschiede verursachte Kollinearität zu verringern. Auf diese Weise unterstützt JMP Sie bei Ihrer Analyse.
Angenommen, Faktor X1 hat den Bereich 100 bis 200 und Faktor X2 hat den Bereich 1 bis 2 mit diesem Entwurf:
X1 X2 X1*X2
100 1 100
100 2 200
200 1 200
200 2 400
Die Interaktion würde im Bereich von 100 bis 400 liegen. Die Korrelation zwischen X1 und der X1*X2-Wechselwirkung beträgt 0,688, was ziemlich hoch ist. Wenn ich X1 und X2 vor der Multiplikation zentriere, ist die Korrelation zwischen X1 und der zentrierten X1*X2-Wechselwirkung 0. Das ist eine gute Sache, weshalb JMP es tut. Darüber hinaus stellt JMP die erforderlichen Tools bereit, um das Modell zu verstehen und es bei vorhandener Zentrierung zu bewerten.
Kannst du das ausschalten? Ja. Klicken Sie im Dialogfeld „Modell anpassen“ auf das rote Dreieck oben links und deaktivieren Sie die Option „Polynome zentrieren“, bevor Sie auf „Ausführen“ klicken. Bedenken Sie jedoch, dass Sie dadurch die Multikollinearität im Modell erhöhen, was wiederum die Varianz der Parameterschätzungen erhöht und sich auf die statistischen Tests und die Signifikanz dieser Parameterschätzungen auswirkt.
Betreff: Brauche Hilfe beim Verständnis der InteraktionsvariablenVielen Dank für diese Erklärung, da ich das gleiche Problem hatte.
Ich habe noch eine Frage: Gibt es nach der Vereinfachung der Formel überhaupt eine Möglichkeit, einfach x1*x2 in der Tabelle „Parameterschätzungen“ anstelle von (x1-a)*(x2-b) zu haben?
Danke !
Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?Du hast Recht. Die Null liegt daran, dass alle Ihre Freiheitsgrade aufgebraucht sind. Deshalb habe ich Sie gefragt, ob sie als kontinuierlich behandelt werden könnten. Haben Sie versucht, mithilfe der schrittweisen Modellpersönlichkeit zu modellieren?
Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?Die beiden Faktoren sind quantitativ, können aber als nominell klassifiziert werden.
Der Grund, den ich gefragt habe, ist, dass, wenn ich den Befehl „Modell anpassen“ mit den beiden Faktoren und der Kreuzung der beiden Faktoren als Modelleffekte ausführe, der F-Test für die Modelleffekte null ist. Ich denke, das liegt daran, dass jeder Faktor zwei Freiheitsgrade hat und die Wechselwirkung weitere vier, was 8 Freiheitsgrade ergibt. Dadurch bleiben keine Freiheitsgrade für den Fehlerterm, weshalb der F-Test keine Ergebnisse anzeigen kann. Stimmt das nicht? Wenn ich die ANOVA ohne die Interaktionsterme durchführe, läuft sie einwandfrei. Und wenn ich einen der Faktoren in eine kontinuierliche Variable ändere, läuft alles einwandfrei, aber ich denke, in meinem Fall sollten beide als nominal festgelegt werden.
Ich habe online gesucht und es scheint, dass man die Wechselwirkung zwischen zwei Faktoren mit nur einer Wiederholung/Kombination im Allgemeinen nicht richtig analysieren kann. Ich möchte mir dieser Tatsache nur sicher sein.
Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?Es sollte dir gut gehen. Wenn es sich bei beiden um 3-stufige kategoriale Faktoren handelt, ist das Modell ziemlich gesättigt, aber Sie erhalten die abgegrenzten Interaktionsterme. Sie können auch eine schrittweise Regression versuchen, um das Modell sparsamer zu gestalten. Wenn ein Faktor kontinuierlich und einer kategorisch ist, dann scheint es mir bei Verwendung der „Antworten simulieren“ unter dem roten Dreieck so zu sein, dass Sie über genügend Freiheitsgrad für Interaktionen und den Fehler verfügen. Alternativ können Sie auch eine zusätzliche Zeile hinzufügen und eine der anderen Kombinationen replizieren.
Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?Ich verstehe es jetzt, danke.
Noch eine Frage... Wenn ich einen Datensatz mit 2 Faktoren habe, es aber nur 1 Replikation/Beobachtung gibt (wie unten gezeigt), kann ich wegen unzureichender DoF keine Interaktionsanalyse durchführen, richtig??
Faktor-A-Faktor-B-Antwort
1 Jahr1
1 von y2
1 c y3
2 ein y4
2 b y5
2 c y6
3 ein Jahr7
3 b y8
3 c y9
Benötigen Sie Hilfe beim Verständnis der Interaktionsvariablen?Gehen Sie nach der Anpassung Ihres Modells zunächst zum roten Dreieck und wählen Sie „Spalten speichern“ > „Vorhersageformel“.
Dadurch wird die Vorhersageformel für Ihr Modell in der Datentabelle gespeichert.
Gehen Sie zu Ihrer JMP-Datentabelle und Sie werden feststellen, dass ganz rechts eine neue Spalte mit dem Namen „Vorhersageformel“ hinzugefügt wurde
Doppelklicken Sie auf die Spaltenüberschrift und ein Dialogfeld wird angezeigt.
Markieren Sie im Pulldown-Menü „Spalteneigenschaften“ die Option „Formel“.
Klicken Sie auf die Schaltfläche „Formel bearbeiten“.
Gehen Sie zum Pulldown-Menü mit dem roten Dreieck und wählen Sie „Vereinfachen“.
Dadurch erhalten Sie die vereinfachten Parameterschätzungen.
Der Grund dafür, dass Sie seltsame Parameterschätzungen erhalten haben, liegt darin, dass Sie sich wahrscheinlich für ein 3-Ebenen-Design entschieden haben. Das Gleiche hätte man auch mit einem zweistufigen Design erreichen können, bei dem lediglich Mittelpunkte hinzugefügt worden wären, was vielleicht einfacher gewesen wäre.
